基于多视幅度统计特性的SAR图像无参考质量评价方法技术

本发明专利技术公开了一种基于多视幅度统计特性的SAR图像无参考质量评价方法，主要解决现有技术实施难度高、稳定性低的问题。其实现方案是：1.从SAR图像数据库中提取训练样本和测试样本；2.计算SAR图像全局等效视数、局部最大等效视数及它们的比值；3.计算SAR图像的模糊相关系数；4.选取SAR图像中的匀质性区域拟合平方根伽马分布；5.提取所有样本的特征向量；6.设定特征向量的阈值，对噪声图像进行分类；7.对不同噪声污染类型的SAR图像分别训练质量评价预测模型；8.计算测试样本的质量值；9.根据测试样本质量值判断测试样本的质量。本发明专利技术极大地提高了SAR图像质量评价的实用性与准确性，可用于SAR图像的筛选。

A non reference quality evaluation method for SAR images based on the statistical characteristics of multi view amplitude

The invention discloses a reference quality evaluation method for SAR images based on the statistical characteristics of multi view amplitude, which mainly solves the problems of high difficulty and low stability in the implementation of existing technologies. The solution is: 1. from the SAR image database from training samples and test samples; 2. SAR calculation of equivalent number of image global and local maximum equivalent number and their ratio; fuzzy correlation coefficient 3. calculation of SAR image; the selection of 4. SAR images in homogeneous region fitting square gamma distribution; 5. extraction the feature vector of all samples; 6. set feature vector threshold to classify the image noise; 7. different types of noise pollution SAR image respectively training quality evaluation and forecast model; quality 8. calculation of test samples; 9. according to the test of the sample quality value to judge the quality of test samples. The invention greatly improves the practicability and accuracy of the SAR image quality evaluation, and can be used for the screening of SAR images.

【技术实现步骤摘要】
基于多视幅度统计特性的SAR图像无参考质量评价方法
本专利技术属于图像处理领域，特别涉及一种SAR图像质量评价方法，可用于对质量等级参差不齐的SAR图像数据进行鉴别，为用户使用SAR图像提供帮助，也可以为SAR系统的设计提供依据，为改进设计提供反馈信息。技术背景合成孔径雷达SAR是一种主动式的微波遥感成像雷达。与光学图像和红外图像相比，SAR不受光照、天气等条件的影响，可以实现全天时、全天候、高分辨、大面积成像。如今，SAR的应用越来越广泛，发展越来越迅猛。SAR作为雷达遥感领域的研究热点之一，其图像解译一直比较困难，这在一定程度上影响了SAR图像的应用。SAR图像质量是影响SAR图像解译的重要因素之一。影响SAR图像质量的常见的噪声污染类型有：高斯白噪声、散焦模糊和条带噪声。怎样从海量的SAR图像数据中自动筛选出高质量的、更有价值的SAR图像已成为迫切需要解决的课题之一。现在国内外对于光学图像的质量评价已经取得了较大的进展，大量的质量评价算法被提出。这些算法大致可分为三类：全参考图像质量评价，部分参考图像质量评价和无参考图像质量评价。但是SAR图像与普通光学图像有着显著的不同。本文档来自技高网...

【技术保护点】
一种基于多视幅度统计特性的SAR图像无参考质量评价方法，包括：(1)将SAR图像数据库中的图像随机分为两份，80％用于训练，20％用于测试；(2)计算一幅待评价SAR图像的全局等效视数ENL、局部最大等效视数β以及它们的比值λ；(3)计算一幅待评价SAR图像的模糊相关系数ρ；(4)选取待评价SAR图像中的匀质性区域，用来拟合平方根伽马分布，以计算待评价SAR图像的拟合误差θ、拟合视数L、拟合强度σ；(5)对所有的样本分别进行步骤(2)～步骤(4)的操作，将每一幅SAR图像提取出的7个特征参数作为特征向量fv：fv＝{ENL,β,λ,ρ,θ,L,σ}；(6)根据不同类型的噪声对SAR图像的特征向...

【技术特征摘要】
1.一种基于多视幅度统计特性的SAR图像无参考质量评价方法，包括：(1)将SAR图像数据库中的图像随机分为两份，80％用于训练，20％用于测试；(2)计算一幅待评价SAR图像的全局等效视数ENL、局部最大等效视数β以及它们的比值λ；(3)计算一幅待评价SAR图像的模糊相关系数ρ；(4)选取待评价SAR图像中的匀质性区域，用来拟合平方根伽马分布，以计算待评价SAR图像的拟合误差θ、拟合视数L、拟合强度σ；(5)对所有的样本分别进行步骤(2)～步骤(4)的操作，将每一幅SAR图像提取出的7个特征参数作为特征向量fv：fv＝{ENL,β,λ,ρ,θ,L,σ}；(6)根据不同类型的噪声对SAR图像的特征向量fv会造成不同强弱这一特性，设定特征向量的阈值，对污染的SAR图像进行分类，即将SAR图像按照噪声污染类型分为三类，即第一类为：条带噪声污染图像，第二类为：高斯白噪声污染图像，第三类为：除了第一类和第二类外的其它污染图像；(7)对不同噪声污染类型的SAR图像分别训练质量评价预测模型：(7a)提取第一类污染图像的所有训练样本的特征向量fv，将其输入到支持向量机SVM中，得到第一类污染图像的预测模型MS；(7b)提取第二类污染图像的所有训练样本的特征向量fv，将其输入到支持向量机SVM中，得到第二类污染图像的预测模型MG；(7c)提取第三类污染图像的所有训练样本的特征向量fv，将其输入到支持向量机SVM中，得到第三类污染图像的预测模型MR；(8)计算测试样本的质量值：(8a)将第一类污染图像的测试样本的特征向量fv和第一类污染图像的预测模型MS输入到支持向量机SVM中，计算第一类污染图像的测试样本的质量值Qs；(8b)将第二类污染图像的测试样本的特征向量fv和第二类污染图像的预测模型MG输入到支持向量机SVM中，计算第二类污染图像的测试样本的质量值Qg；(8c)将第三类污染图像的测试样本的特征向量fv和第三类污染图像的预测模型MR输入到支持向量机SVM中，计算第三类污染图像的测试样本的质量值Qr；(9)根据测试样本的质量值，对测试样本的图像质量进行判断：若Qs＝1或Qg＝1或Qr＝1，则认为感觉不到或轻微感觉到图像有噪声；若Qs＝2或Qg＝2或Qr＝2，则认为能明显感觉到图像有噪声；若Qs＝3或Qg＝3或Qr＝3，则认为仅能看出图像中的少量信息；若Qs＝4或Qg＝4或Qr＝4，则认为无法辨认图像信息。2.如权利要求1所述的方法，其步骤(2)中计算一幅待评价SAR图像的全局等效视数ENL：其中，μ和σ2分别表示图像I的均值和方差。3.如权利要求1所述的方法，其步骤(2)中计算一幅待评价SAR图像的局部最大等效视数β，按如下步骤进行：首先，将大小为M×N的待评价SAR图像I按照大小为B×B，进行无混叠分块，得到K个子块...

【专利技术属性】
技术研发人员：吴金建，马居坡，石光明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61